📋 本文信息分级
- 🔴 法规原文引用：少量——本文以方法论为主，非法规解读型文章
- 🟡 案例事实：精密零部件采购3000万/年的真实成本拆解案例（数据已脱敏）
- 🟢 行业惯例与共识：Should Cost方法论、成本拆解框架、TCO分析是制造业和采购行业的通用做法
- 🔵 作者经验与观点：将Should Cost引入商业地产采购的实操判断、AI赋能路径
- ⚪ 操作建议：Should Cost实施5步法 + 3个常见陷阱规避 + AI加速方案
每年压价5%，供应商为什么总笑着答应？
年采购额 3000 万，连续三年降本 5%，累计”省”了 460 万。 年底复盘会上，采购总监汇报完毕，管理层点头，气氛融洽。
但没人追问一个更本质的问题——这个 5%，是从什么基数上降下来的？
如果供应商的报价本身就含了30%的水分，砍掉5%不过是切掉了泡沫的表层。供应商之所以笑着答应，不是因为他慷慨，而是因为他知道：你根本不知道底线在哪。
场景再具体一点——
采购员老张负责的精密零部件品类，年采购额3000万，供应商报价560元/套。连续三年，老张每年谈下5%的降价：560→532→505.4→480.1。看起来成绩不错，对吧？
但问题是：这套零部件的真实成本结构，老张从来没有拆过。他不知道560元里面，原材料值多少、人工值多少、设备费率是多少、利润占了多少。他所有的谈判筹码只有两个：历史价格和竞品报价。
供应商太清楚这一点了。所以每年降5%，他轻松答应——因为他知道你砍不到骨头。
这才是采购降本最大的幻觉：用谈判力度代替成本洞察，用价格折扣代替结构优化。
压价是战术，Should Cost是战略。没有Should Cost的降本，就像蒙着眼睛砍价——砍得越狠，越有可能砍在空气上。
压价≠降本：一个被忽视了太久的等式
先看一组数据。
据行业实践统计，在没有Should Cost模型支撑的采购谈判中，采购方平均只能识别出报价中约15%-20%的溢价空间；而在使用Should Cost模型后，这一比例可提升至35%-50%。差距在哪？差距在于：前者靠猜，后者靠算。
多数企业的采购降本，停留在三个层次：
| 层次 | 做法 | 典型话术 | 本质 |
|---|---|---|---|
| Level 1 | 比价谈判 | ”别人家比你便宜20%“ | 靠竞争压力压价 |
| Level 2 | 成本分解 | ”你的人工费率高于行业均值” | 逐项质疑报价明细 |
| Level 3 | Should Cost | ”我们的模型算出来应该95元，你报120元，差距25元，我们逐项对齐” | 自建成本基线，数据驱动谈判 |
Level 1是大多数企业的常态。Level 2已经少见。Level 3，才是真正把降本从”拍脑袋”变成”有据可依”的方法。
三层的差异不仅是工具差异，更是思维差异：
- Level 1的思维是”你比别人贵”——供应商一句话怼回来：“规格不一样，没法比。”
- Level 2的思维是”你的成本结构不合理”——供应商可以说”数据是旧的”或”你不懂我们的工艺”。
- Level 3的思维是”我独立算了一遍，差距在这几个点”——供应商没法说你的模型是错的，因为他要逐项反驳一个有据可查的成本模型，比反驳一句”太贵了”难得多。
这就是Should Cost——采购降本最被低估的方法。
Should Cost：到底是什么？
一句话定义
Should Cost（应该成本法），是采购方基于产品成本结构，独立推算出产品”应该”花多少钱的方法。
注意两个关键词：
- “独立推算”：不依赖供应商报价，甲方自建成本模型
- “应该花多少钱”：基于市场数据和工艺逻辑，而非供应商想收多少钱
核心公式很简单：
谈判空间 = 供应商报价 - Should Cost
如果Should Cost是95元，供应商报价120元，那25元的差距就是你可以挤出的谈判空间——而且每一分钱都有据可查。
与Should Cost对应的一个概念是”Will Cost”——在真实市场条件下，考虑到供应商议价能力、供需关系等现实因素，甲方实际可能支付的价格。Should Cost是理论最优，Will Cost是现实预期。两者之间的差距，反映的是市场摩擦——而Should Cost的终极目标，就是把这种摩擦降到最低。
成本拆解5层
Should Cost的核心在于成本拆解。一个产品的成本，可以拆成5层：
┌─────────────────────────────────┐
│ 1. 原材料成本 │ 材料清单×市场价格×损耗系数
├─────────────────────────────────┤
│ 2. 人工成本 │ 工时×区域费率×效率系数
├─────────────────────────────────┤
│ 3. 制造费用 │ 设备折旧+能源+辅料+模具摊销
├─────────────────────────────────┤
│ 4. 管理费用 │ 间接人工+行政+质量+物流
├─────────────────────────────────┤
│ 5. 合理利润 │ 行业基准利润率×(1~4之和)
└─────────────────────────────────┘
各层在不同品类的占比差异很大。以机加工件为例：
| 成本层 | 典型占比 | 关键驱动因素 |
|---|---|---|
| 原材料 | 35%-55% | 大宗商品价格、材料牌号、利用率 |
| 人工 | 10%-20% | 区域工资水平、工艺复杂度、自动化程度 |
| 制造费用 | 15%-25% | 设备类型、批量大小、良品率 |
| 管理费用 | 5%-15% | 企业规模、区域、管理水平 |
| 合理利润 | 5%-15% | 行业竞争格局、供需关系、合作深度 |
再看注塑件，结构完全不同——原材料占比可能高达60%-70%，制造费用中模具摊销是大头，人工占比反而很低。不同品类的成本”骨骼”完全不同，用同一套拆解模板硬套，只会得到一堆没用的数字。
这5层拆完，产品成本就从”一个数字”变成了”一幅全景图”——哪里贵了、贵在哪里、能不能优化，一目了然。
Should Cost vs TCA vs TCO：别搞混了
这三个概念经常被混为一谈，但它们回答的是完全不同的问题：
| 概念 | 回答的问题 | 方向 | 适用场景 |
|---|---|---|---|
| Should Cost | 这个东西应该花多少钱？ | 自下而上，从成本结构推算 | 报价审核、谈判准备 |
| TCA（总获取成本） | 买进来总共要花多少钱？ | 横向扩展，覆盖采购+运输+安装等 | 采购决策比选 |
| TCO（总拥有成本） | 用一辈子总共花多少钱？ | 全生命周期，含运维+退役 | 资产类采购决策 |
简单说：
- Should Cost管”价格合不合理”
- TCA管”买不买得起”
- TCO管”用不划算”
三者的关系是递进的：Should Cost是起点，TCA是中继，TCO是终点。 没有Should Cost做底座，TCA和TCO的输入数据就是沙上建塔。
再补充一个容易混淆的概念——Target Cost（目标成本）。Target Cost是”我愿意花多少钱”，从售价和利润倒推；Should Cost是”这个产品实际上应该花多少钱”，从成本结构正推。一个是经营目标，一个是技术判断。两者结合，才构成完整的采购成本管控闭环：Target Cost定方向，Should Cost定底线。
所以，当你纠结于”TCO太粗、TCA太浅”的时候，答案往往就是——先做Should Cost，把成本基线搞清楚。
更多成本管理体系搭建的系统方法，可参考成本管理体系搭建指南。
实操5步：从0到1跑通Should Cost
Should Cost不是理论课，是实打实的工程活。以下5步，是从0到1跑通Should Cost的完整路径。
Step 1：选定品类——不是所有东西都该做Should Cost
Should Cost有门槛，不是所有品类都值得投入。
适合做Should Cost的品类特征：
- 年采购金额大（占支出TOP20%）
- 成本结构可拆解（有BOM、有工艺路线）
- 供应商报价不透明（缺少公开市场价）
- 存在明显的信息不对称（定制件、非标件、加工件为主）
不适合的品类：
- 标准件、大宗商品（价格透明，Should Cost边际价值低）
- 极低金额品类（投入产出比不划算）
- 纯服务类采购（成本结构难以量化）
一个实用的筛选方法是”价值-复杂度矩阵”：横轴是品类成本结构复杂度，纵轴是年采购金额。优先选择右上角品类——金额大且结构复杂，Should Cost的ROI最高。
实操建议：从A类物料中选1-2个品类试点，跑通流程再推广。 不要贪多，一个品类做透，比十个品类做浅有价值得多。
Step 2：拆解BOM——从产品结构到成本结构
BOM（物料清单）是Should Cost的地基。
这一步要做的事情：
- 获取BOM：从研发/工程部门获取完整BOM，包括零部件清单、材料牌号、用量、图纸
- 识别关键物料：按成本占比排序，抓大放小——TOP20%的物料通常贡献80%以上的成本
- 标注工艺路线：每个零部件的加工工序（如：下料→粗加工→精加工→表面处理→装配）
- 确认技术规范：公差要求、表面粗糙度、检验标准——这些直接决定加工难度和成本
常见坑：BOM不全、材料牌号模糊、工艺路线缺失。没有完整BOM，Should Cost就是空中楼阁。 这一步宁可多花两周跟工程团队对齐，也不要带病推进。
一个容易被忽略的细节：材料利用率（损耗系数）。图纸上的净重和实际投料量之间，差的可能不是5%，而是30%-50%。尤其是机加工件，零件越小、形状越复杂，材料利用率越低。这个系数搞错，原材料成本直接偏差一大截。
Step 3：市场数据采集——用事实说话
有了BOM，下一步是给每一项成本要素找到市场基准。
| 数据类型 | 采集来源 | 关键指标 |
|---|---|---|
| 原材料价格 | LME金属交易所、ICIS化工指数、上海有色网 | 现货价、月均价、趋势 |
| 人工费率 | 行业工资报告、区域统计局数据、招聘平台 | 小时费率、社保系数 |
| 制造费率 | 行业协会、设备厂商报价、同类工厂调研 | 机器小时费率、能源单价 |
| 物流费率 | 物流平台报价、货代询价 | 吨公里运费、包装费率 |
| 利润率 | 行业年报、上市公司公开数据 | 毛利率、净利率区间 |
数据采集的原则：
- 时效性：大宗商品价格波动大，数据不能超过3个月。铜价半年内波动20%不稀奇，拿半年前的数据建模，结果就是个笑话
- 区域匹配：华南和华北的人工费率差30%以上，长三角和西部的制造费率差得更多，别用错区域
- 多源交叉验证：至少2个独立来源相互印证，避免单一数据源偏差。第三方数据库方便，但也要用行业实际数据校准
一个实战技巧：先找供应商要一份”开簿成本”（Open Book），作为数据采集的起点，然后逐项用自己的市场数据替换和校验。 完全从零开始建模效率太低，完全相信供应商数据又失去意义——两者结合，效率和准确性兼顾。
Step 4：建模计算——推算应该成本
数据齐了，开始建模型。
Should Cost的建模逻辑是自下而上（Bottom-Up），也叫”白纸成本法”（Clean Sheet Costing）——从零开始，逐项叠加，不依赖任何历史价格：
Should Cost = Σ(原材料成本) + Σ(人工成本) + Σ(制造费用) + 管理费用 + 合理利润
以一个CNC加工铝合金支架为例：
| 成本项 | 计算逻辑 | 金额（元/件） |
|---|---|---|
| 原材料（6061铝） | 2.3kg × 28元/kg × 1.15（损耗系数） | 74.06 |
| 直接人工 | 12min × 85元/h ÷ 60 | 17.00 |
| CNC设备费 | 18min × 120元/h ÷ 60 | 36.00 |
| 表面处理 | 外协单价 | 8.50 |
| 管理费用 | （以上合计）× 12% | 16.23 |
| 合理利润 | （以上合计）× 8% | 12.14 |
| Should Cost | 163.93 |
如果供应商报价210元/件，差距46元，溢价率28%。这时候去谈判，就不是”太贵了”，而是”你的原材料单价、人工费率、设备费率分别比市场基准高出多少，我们逐项对一下”。
建模时几个关键参数需要特别注意：
- 批量效应：500件和5000件的制造费率差异可能达到30%，模型中必须根据实际采购批量调整
- 良品率：假设95%和实际90%的良品率，会让单位成本差5%以上
- 模具摊销：首次开模和后续订单的费率完全不同，不能一视同仁
建模工具选择：
- 起步阶段：Excel足矣，关键是逻辑对
- 规模化阶段：专业软件（如aPriori、Costimator）可提升效率和精度
- 关键原则：模型必须透明、可追溯、可调整——黑箱模型在谈判中没有说服力
Step 5：偏差分析——应该成本 vs 报价，找差异
模型建完，核心成果不是那个数字，而是偏差分析。
偏差分析的做法：
- 逐项对比：将Should Cost的每一层与供应商报价逐项对比
- 标记偏差项：差异超过10%的项标记为”偏差项”，重点分析
- 归因分析：每个偏差项归类为以下原因之一：
| 偏差原因 | 说明 | 应对策略 |
|---|---|---|
| 数据差异 | 甲方和乙方使用不同的市场数据 | 对齐数据源，以第三方权威数据为基准 |
| 工艺差异 | 供应商实际工艺与假设工艺不同 | 现场审核，确认实际工艺路线 |
| 效率差异 | 供应商生产效率低于行业水平 | 要求改善或引入竞争 |
| 利润差异 | 供应商利润率高于合理水平 | 谈判挤压，或重新比价 |
| 隐性加价 | 报价中包含不合理的”保险系数” | 要求透明化，逐项砍掉 |
偏差分析的本质：不是证明供应商在骗你，而是找到成本结构中的真实差异，然后有据可依地消除它。
好的Should Cost分析，最终会把谈判从”我觉得你贵”变成”数据显示你的成本结构在这三个点偏离了市场基准”。前者是情绪，后者是事实——事实才有谈判力。
偏差分析的输出物，应该是一份逐项对比表+归因说明+谈判策略建议。这份文件就是走进谈判室时最值钱的武器。
AI赋能Should Cost：从周级到分钟级
传统Should Cost最大的痛点是什么？慢。
一个品类的Should Cost分析，从BOM获取、数据采集、建模计算到偏差分析，人工做下来往往需要2-4周。这意味着很多企业根本等不起，最终回到拍脑袋的老路上。
AI正在改变这个方程式。
AI在Should Cost中的三大赋能点
1. BOM智能拆解与工艺识别
AI可以自动解析CAD图纸、识别材料牌号、推断加工工艺路线。过去需要工程师手工标注2天的工作，AI可以在30分钟内完成初版，人工校验即可。
更进一步的场景：AI还能识别”过度设计”——比如某个非关键面的公差标注了±0.01mm，但功能上±0.05mm就够了。这个差异可能让加工成本翻倍，但传统流程中很难被发现。
2. 市场数据实时采集
AI自动抓取大宗商品交易所价格、行业工资报告、区域费率数据，并建立动态价格基准。不再需要采购员每月手动更新几十个价格表格——数据实时刷新，模型自动联动。
这意味着Should Cost模型从”静态快照”变成了”动态仪表盘”。铜价今天涨了3%，模型今晚就能反映到单位成本上。
3. 偏差智能分析
AI对比Should Cost模型与供应商报价，自动标记偏差项、归因分析、生成谈判建议。过去需要资深采购经理花一周做的偏差分析，AI可以在几小时内输出初版。
AI Should Cost的实际效果
以某精密零部件企业为例：
| 指标 | 人工Should Cost | AI赋能Should Cost |
|---|---|---|
| 单品类分析周期 | 2-4周 | 2-3天 |
| 覆盖品类数 | 年3-5个 | 年20-30个 |
| 偏差识别准确率 | 60%-70% | 80%-90% |
| 谈判降本幅度 | 5%-8% | 10%-18% |
核心变化：从”选重点品类做”变成”全品类覆盖做”，从”一年做几次”变成”常态化运行”。
但要注意，AI不是万能的。它最大的价值是提速和扩面，不是替代人的判断。当AI标记出一个30%的原材料偏差时，采购人仍然需要判断：这是供应商真的高报价，还是我们的假设数据有误？这个判断需要行业经验和现场验证——AI给不了。
AI不是替代采购人的判断，而是把采购人从数据搬运中解放出来，把时间花在真正需要人脑的地方——谈判策略、供应商关系、跨职能协同。
关于采购全流程中的更多痛点与解法，可参考采购39条痛点全景图。
甲方实操清单：3个必做+2个避坑
必做项
✅ 必做1：从A类物料中选1个品类做试点
不要一上来就铺开。选一个年采购额大、BOM清晰、你相对熟悉的品类，用2-3个月跑通全流程。试点成功才有说服力，才有资源推广。
试点的目标不是省多少钱，而是验证方法论、培养团队、建立模板。第一个品类跑通了，后续品类的边际成本会大幅下降。
✅ 必做2：跟工程团队建立协作机制
Should Cost不是采购一家的事。BOM解读、工艺路线确认、公差与成本的关系——这些都需要工程团队参与。提前建立跨职能协作机制，比事后追着人跑效率高10倍。
一个实用的做法：在试点品类启动时，拉工程、质量、财务各出一个接口人，组成3-5人的Should Cost小组。采购牵头，工程出技术，财务出数据，质量做校验。一个人做Should Cost，永远做不深。
✅ 必做3：偏差分析要具体到”元”和”项”
“你贵了20%“没有谈判力。“你的原材料单价48元/kg，市场基准34元/kg，差异14元/kg，按年用量2.3吨算，这项多收了3.22万元”——这才叫有谈判力。精度就是力度。
谈判桌上，数字越具体，对方越难反驳。“大约贵了一点”可以被一句话带过；“这项偏差3.22万元，原因是什么”没法被忽略。
避坑项
❌ 避坑1：把Should Cost当压价工具
Should Cost的目标不是把供应商利润压到零，而是找到成本结构的真实差异并消除它。如果供应商的利润率本身在合理区间（行业平均8%-15%），硬压只会换来源、降质量、毁关系。Should Cost是透视镜，不是屠刀。
更高级的用法：把Should Cost的结果跟供应商共享，一起分析偏差来源，共同优化。这种”联合降本”模式，长期效果远好于单方面施压。
❌ 避坑2：模型建完就不管了
市场在变，工艺在变，供应商在变。Should Cost模型如果3个月不更新，数据就已经过时了。建立季度更新机制，把Should Cost变成一个活的管理工具，而不是一份死的研究报告。
建议的做法：对核心品类建立Should Cost仪表盘，关键原材料价格设自动刷新，偏差超过阈值时自动预警。让Should Cost从”项目”变成”流程”，从”一锤子买卖”变成”持续运营的管理体系”。
写在最后
采购降本这件事，行业里讲了很多年，方法也不少。但真正能把降本从”每年砍5%“的惯性中拔出来的方法，Should Cost算一个。
它的价值不在于帮你省多少钱——而在于让你知道钱到底该花在哪里，不该花在哪里。
当一个采购人走进谈判室，手里拿的不是”别人比你便宜”的比价单，而是一份从原材料到利润逐项拆解的Should Cost模型——谈判的底层逻辑就变了：从”求你便宜点”变成”我们对一下数据”。
这就是Should Cost的力量。它不性感，不时髦，但它是采购降本最被低估、最该被认真对待的方法。
做与不做，差距不在知识，在行动。从一个品类开始，跑起来。